软硬件划分

摘要： 并行计算是提高系统资源利用率的重要手段,越来越多的多处理器片上系统通过集成具有不同功能特点的处理器来满足不同计算任务的需求.具备动态部分可重构特性的异构多处理器片上系统(Dynamic Partial Reconfiguration-Heteroge-neous Multiprocessor Systems-on-Chip,DPR-HMPSoC)因其并行性好、计算效率高而被广泛使用,而低复杂度和高求解性能的软硬件划分算法是充分发挥其计算性能优势的重要保证.已有的相关软硬件划分算法时间复杂度高,且对DPR-HMPSoC平台的支撑不足.针对上述问题,首先提出了一种列表启发式软硬件划分与调度算法,其通过构建基于任务优先级的调度列表,完成任务的调度、映射、FPGA动态部分可重构区域划分等一系列操作;接着给出了软件应用建模、计算平台建模及所提算法的详细设计方案.仿真实验结果表明,所提算法与混合整数线性规划(Mixed Integral Linear Programming,MILP)和蚁群优化(Ant Colony Optimization,ACO)算法相比,可有效减少求解时间,且时间优势与任务规模成正比;在调度长度方面,所提算法的平均性能提升了约10％.

摘要： 软硬件划分(HW/SW)是软硬件协同设计中的一个重要问题,也是一个NP-hard问题。当问题规模较大时,不仅求解困难而且非常耗时。为了快速高效地求解HW/SW,本文提出了一种利用混合编码的二进制差分演化算法(HBDE)求解HW/SW的新思路。首先,根据HW/SW的自身特点提出了一种处理不可行解的贪心修复优化算法GROA。然后,在利用GROA消除不可行解的基础上,使用HBDE求解HW/SW的问题。最后,使用HBDE和遗传算法(GA)求解11个不同规模的HW/SW实例。从计算结果可以看出,对于所有实例,HBDE求解性能明显优于GA,因此基于HBDE求解HW/SW问题是一种高效可行的方法。

摘要： 软硬件划分(HW/SW)是软硬件协同设计中的一个重要问题,也是一个NP-hard问题.当问题规模较大时,不仅求解困难而且非常耗时.为了快速高效地求解HW/SW,本文提出了一种利用混合编码的二进制差分演化算法(HBDE)求解HW/SW的新思路.首先,根据HW/SW的自身特点提出了一种处理不可行解的贪心修复优化算法GROA.然后,在利用GROA消除不可行解的基础上,使用HBDE求解HW/SW的问题.最后,使用HBDE和遗传算法(GA)求解11个不同规模的HW/SW实例.从计算结果可以看出,对于所有实例,HBDE求解性能明显优于GA,因此基于HBDE求解HW/SW问题是一种高效可行的方法.

摘要： 软硬件划分是SoC软硬件协同设计中的重要步骤之一.针对软硬件划分问题,提出一种基于无向图的软硬件划分方法,将软件成本和硬件成本设定为网络图的节点,将功能模块间的通讯成本设定为无向的边,从而将芯片的软硬件划分问题归结为基于无向图理论的多目标优化求解的问题.仿真结果证明,该方法在算法效率上优于GA算法和 KL算法.并且设计研制了 FPGA测试平台,实现软硬件并行开发,提高了基带芯片开发的效率.以 BDS/GPS双模基带芯片为例,对本方法进行了具体实施,为基带芯片的软硬件划分设计提供了理论依据.

摘要： 针对软件和硬件实现方式各自的优点及不足,提出了遗传算法的软硬件协同设计方法,并且将这种方法在FPGA上进行了具体的实现.首先对遗传算法流程中的各个模块进行了详细的分析,根据软硬件的不同特点以及设计实现的目标,对遗传算法的功能模块进行了软硬件划分,然后对硬件实现的部分进行了详细的介绍,包括模块之间的连接,模块的内部状态机,模块的端口,所有硬件模块的功能仿真.同时,为了保证软硬件之间的正常通讯,提出了一种新的软硬件交互通讯协议.最后将硬件实现部分做成通用IP核,方便其他设计者使用,并给出了软硬件协同的遗传算法在二进制问题和0-1背包问题两个实例中的具体应用数据.通过与纯软件实现方式的实验数据进行比较,提升了算法运行时间50％的效率,且算法的收敛性保持一致,进一步验证了该算法的适用性及高效性.

摘要： 软硬件划分(HW/SW)是软硬件协同设计中的一个重要问题,也是一个NP-hard问题。当问题规模较大时,不仅求解困难而且非常耗时。为了快速高效地求解HW/SW,本文提出了一种利用混合编码的二进制差分演化算法(HBDE)求解HW/SW的新思路。首先,根据HW/SW的自身特点提出了一种处理不可行解的贪心修复优化算法GROA。然后,在利用GROA消除不可行解的基础上,使用HBDE求解HW/SW的问题。最后,使用HBDE和遗传算法(GA)求解11个不同规模的HW/SW实例。从计算结果可以看出,对于所有实例,HBDE求解性能明显优于GA,因此基于HBDE求解HW/SW问题是一种高效可行的方法。

摘要： 微电子技术和通信技术的发展推动了传统嵌入式系统向异构分布式嵌入式系统的转变。在异构分布式嵌入式系统中任务的合理分配是提高性能的关键。提出一种异构分布式嵌入式系统的优化设计方法,该方法能在满足通信代价、能耗、硬件资源以及时间等系统属性约束的前提下,给出系统任务划分的最优策略,实现系统任务的合理分配。优化方法主要分为3步:第一步,将系统按照一定粒度大小划分为多个任务,并获取系统的任务属性;第二步,依据通信代价对系统任务进行模块化聚合,将每个模块分配到系统的某个异构嵌入式设备中运行;最后一步,对每个模块依据任务属性和设备资源进行软硬件划分,使各模块在满足其异构设备资源约束的前提下运行时间最短。该优化方法充分运用系统软硬件的资源和能效,得到高性能、低成本的优化设计方案,极大地提高系统设计的合理性和效率。

摘要： 软硬件划分(HW/SW)是软硬件协同设计中的一个重要问题,也是一个NP-hard问题.当问题规模较大时,不仅求解困难而且非常耗时.为了快速高效地求解HW/SW,本文提出了一种利用混合编码的二进制差分演化算法(HBDE)求解HW/SW的新思路.首先,根据HW/SW的自身特点提出了一种处理不可行解的贪心修复优化算法GROA.然后,在利用GROA消除不可行解的基础上,使用HBDE求解HW/SW的问题.最后,使用HBDE和遗传算法(GA)求解11个不同规模的HW/SW实例.从计算结果可以看出,对于所有实例,HBDE求解性能明显优于GA,因此基于HBDE求解HW/SW问题是一种高效可行的方法.

摘要： 随着集成电路设计规模的不断扩大,系统变得更加庞大和复杂,在设计系统芯片的各个流程中,像系统定义、软硬件划分、设计实现等都变得越来越复杂.如何满足日益复杂的SoC设计要求成为了集成电路设计的重要因素,业界一直在寻找一种系统级语言能够在更高层次上对软件和硬件实现描述.System C正是在这种情况下,由Synopsys公司和CoWare公司积极响应目前各方对系统级设计语言的需求而合作开发的.System C相当于面向系统级设计的C++扩展库,是一种设计人员可以通过System C准确有效设计出软件算法模型、硬件结构和系统架构设计的方法.设计人员可以通过常用的C++开发工具中添加System C的类库来实现对系统的模型设计,快速地实现仿真和优化设计,还可以研究不同的算法模型,这样就可以为硬件和软件设计人员提供一个可执行规范.因为可执行规范本质上是一个C++程序,在面向对象描述尤其是针对事务处理级模型上有着许多优势,成为软件和硬件设计人员的一个设计标准.文中主要通过System C来建立RFID通信算法模型,主要基于ISO/IEC 18000-6C通信协议.系统包括基带处理单元模型和总线模型等,通过模型来评估系统的性能和总线带宽的需求.为系统设计提供一套自顶向下的设计方法.

摘要： 当前信息物理融合系统的成熟发展推动了嵌入式系统从单核处理器向多核片上系统的转变.任务的有效分配和调度是保证多核片上系统性能的关键.为提升多核片上系统的性能,本文提出了一种基于遗传算法的软硬件划分与任务调度算法,该算法结合了经典遗传算法与基于静态优先级的表调度方法,在确保多核片上系统总体运行时间最小的前提下,能够同时给出系统软硬件划分策略与任务调度序列.通过与已有算法的试验对比发现:采用本文提出的算法,系统时间性能与硬件利用率有显著的提高.

摘要： 本文将混洗蛙跳算法应用于软硬件划分,提出一种新型的软硬件划分方法.针对混洗蛙跳算法应用于离散型问题时普遍存在的种群更新过慢、算法寻优方向盲目等问题,本文采用随机步长来改进青蛙种群的迁移行为,采用子种群内进化与全局混洗进化相结合的策略改进盲目全局寻优的情况,并根据无效迭代次数来提前终止迭代以提高算法效率.在划分实验中,改进后的算法的平均最优解比原始算法减小了17.4％～73.3％,平均硬件面积比原始算法大对不同结点数的随机DAG图4.32％～5.81％,平均仿真执行时间只有原算法的42.7％～64.0％.改进后算法在寻优能力和收敛速度上均优于原始算法,可更高效地完成软硬件划分任务.

摘要： 软硬件协同设计是现代嵌入式系统开发的核心技术,如何将系统功能划分到软件和硬件部分上是软硬件协同设计的关键环节.文中将软硬件划分问题看作带有动态通信代价的变异0-1背包问题,提出一种基于迭代排序思想的NodeRank算法.该算法通过迭代排序计算结点通信代价的期望值,进而求解背包问题,构造出软硬件划分问题的优质启发解.实验结果证明,在计算-通信代价均衡,弱实时性约束条件下,NodeRank对边点比大于等于2的任务图的处理结果与目前已知效果最好的禁忌搜索方法的平均性能差距不超过1.2％,而平均时间开销可以节约95％.在通信代价较高的条件下,NodeRank与禁忌搜索相比,可提升性能达3.5％,并节约时间超过75％.

摘要： 本文通过一个设计实例，介绍了基于电子系统级设计(ElectronicSystem Level,ESL)的软硬件划分在AVS熵解码器中的应用．在AVS视频解码SoC的软硬件协同设计中，ESL虚拟平台在协同验证时指出每比特消耗的时钟过多，需要对设计进行修改．通过合理的软硬件划分，k阶指数哥伦布解码功能被全部转由硬件实现．实验结果显示，修改后平均每比特减少消耗了1.2个时钟周期，性能提升效果明显．

摘要： 针对嵌入式系统中的单处理器和单ASIC体系结构,将软硬件划分问题抽象为MKP模型,通过扩展其边界的维数,引入二维的贪婪算法来解决软硬件划分问题.算法旨在满足硬件面积约束、功耗约束和存储空间需求约束的前提下使系统的运行时间最优,算法的时间复杂度降低到O(log n·log n).算法基于代表功能块粒度的控制数据流图(CFG),摒弃了传统的面向软件或硬件的方法,给出了一种新的选择初始状态的方法,该方法将关键节点映射到软件,其余的用硬件实现,因缩小了算法的搜索空间,从而进一步提高了算法的运行速度.最后进行对比实验,实验结果证明该算法在运行时间和稳定性方面均优于遗传算法和模拟算法.

摘要： 依靠电池供电的嵌入式系统需要在整个设计过程中考虑功耗问题,但如何在系统级设计中进行低功耗软硬件划分还没有被充分研究.本文提出基于混沌神经网络的禁忌搜索算法解决嵌入式多处理器系统的低功耗系统级软硬件划分问题,基本原理是:真实的生物神经元具有抑制重复激活的阻尼特性,这与禁忌搜索对重复搜索加以限制相类似,因此设计具有阻尼特性的混沌神经网络实现禁忌搜索算法,受阻尼特性抑制的神经元对应禁忌活动.由于混沌神经网络复杂的动态特性和禁忌搜索优秀的全局搜索能力,该算法能够有效地跳出局部最优解.对真实GSM编码器任务图的实验表明,与遗传算法相比本文提出的算法所得到的绝大部分软硬件划分方案有更低的系统功耗.

摘要： 存储设计是影响SoC系统性能和功耗的重要因素.在SoC系统级设计过程中,早期存储需求分析,有助于SoC设计与优化并缩短上市时间.本文提出一种面向SoC软硬件划分的多粒度应用程序存储需求分析方法。该方法基于活跃性与依赖性分析,在基本块,循环和函数粒度上,全面发掘并利用应用程序中的存储需求信息,为软硬件划分提供重要依据,提高了划分算法的划分质量,改善了目前软硬件划分方法没有足够重视应用程序中存储信息的情况,有助于SoC设计优化与减少开发周期.

摘要： 本文提出了一种面向SoC软硬件划分的嵌入式软件性能分析方法,该方法首先在目标软件实际运行轨迹基础上获取运行指令及数量,其次结合嵌入式微处理器指令类及其性能模型得到嵌入式软件运行时间和功耗分析结果.本方法相对于已有的动态分析方法,分析速度更快,相对于已有的静态分析方法,分析精度更高,解决了方法分析精度和速度之间的矛盾.然后本文给出了面向SoC软硬件划分的嵌入式软件性能分析工具的实现框架、功能模型和界面,最后对实验结果进行了比较分析.

摘要： 面向数据处理领域嵌入式系统的设计经常采用DFG图作为系统模型,为了获取足够的时间性能,这类系统通常含有大量并发运行的软硬件部件,因此会出现由结构相关和数据相关所引起的共享资源争用现象.在本文中,我们提出一种软硬件划分算法,它将由共享资源争用引起的性能影响考虑在内,使得软硬件划分能基于更为精确的性能分析结果,由此将缩小软硬件划分中性能估计同实际运行状况之间的差异,提高划分的合理性,也使得目标系统的性能可获得更可靠的保证.

摘要： 本文介绍了基于C语言系统描述的面向软硬件划分的一种中间表示,层次化控制/数据流图HCDFG-Ⅱ及其转换方法.HCDFG-Ⅱ根据C语言的特点对HCDFG进行了扩充,通过引入内存访问结点来表示和处理C程序中的数组及指针,通过定义并发结构来表示C程序中的可并发部分.同时,由于HCDFG-Ⅱ采用以控制流为主的结构,从C语言进行转换十分容易.这使得它能有效的用于C语言系统描述的中间表示,并为软硬件划分提供了更加精确的信息.

摘要： 本发明提出了一种软硬件解码方法及装置和一种软硬件编码方法及装置，其中，软硬件解码方法包括：通过芯片内的第一解码算法组对接收到的IPSec协议报文进行初步解封装处理；确定初步解封装处理后的IPSec协议报文中是否具有第一解码算法组未还原的报文；当确定初步解封装处理后的IPSec协议报文中具有第一解码算法组未还原的报文时，将初步解封装处理后的IPSec协议报文发送至中央处理器；通过中央处理器按照第二解码算法组对初步解封装处理后的IPSec协议报文进行二次还原处理。通过本发明的技术方案，将软件与硬件结合起来，可以兼具芯片的处理能力强、速度快与中央处理器便于更新、灵活性强的特点，使编解码能够达到最好的成效。

摘要： 本发明提供了一种考虑硬件预配置因素的动态软硬件划分方法，其特征在于，在程序运行过程中，进行动态的软硬件划分，在可重构硬件资源上进行一个或多个函数的配置，对待划分函数维护一个待划分函数列表list(f1，…，fm)，其中fk为定义硬件加速比，k为待划分的一个函数；k＝1，…，m，m为待划分函数个数，基于硬件加速比对函数配置，并且考虑到硬件预配置因素。本发明基于硬件加速比对函数进行动态软硬件配置，充分利用了系统的硬件资源，从而显著提高整个系统的任务处理效率。

摘要： 本发明涉及一种基于图分割的低复杂度软硬件划分与调度方法，在动态部分可重构片上系统中，能够对各个任务进行软硬件划分和调度。在面对规模复杂的综合应用时能够有较好的任务调度性能和较低的时间复杂度。所采用的基于图分割的软硬件划分方法，通过计算任务的优先级得到任务的排序列表，完成对复杂DAG模型的划分，有效降低了模型的复杂度，利用MILP模型求解时能够快速得到调度长度最短的结果。本发明提出的方法在实际应用中有广泛的应用基础和应用前景。

摘要： 本发明涉及一种面向动态部分可重构片上系统的列表式软硬件划分方法，为解决现有技术时间复杂度高的问题。该方法通过对组成应用的任务节点进行调度和映射完成整个应用的软硬件划分与调度以及FPGA动态部分可重构区域的划分。本发明所提出的方法利用构建任务优先级列表、贪心策略、任务插入策略等优化策略，在提升求解性能的同时，求解时间复杂度上有较大优势。在5G技术、大数据、机器学习等工程实际应用中有更加实际的应用价值和应用前景。

摘要： 本发明涉及一种针对动态部分可重构片上系统的高效软硬件划分方法，能够解决软硬件划分问题中的任务映射、任务排序、任务调度、任务重构排序、任务间通信等问题。所采用的方法将软硬件划分问题描述为精炼的数学模型，从而可以采用求解器以更少的时间复杂度获得最优解。同时，本申请所公开的方法将FPGA动态部分可重构区域所分配的所有任务的重构时间纳入考虑之中，提高了结果与实际应用的符合度，具有更高的应用价值。

摘要： 一种基于融合算法的高效软硬件划分方法：初始化参数；初始化青蛙种群；迭代更新开始，计算当前出现的连续无效迭代次数；判断连续无效迭代次数是否大于设定的最大连续无效迭代阈值；找出当前青蛙种群中的最优解以及最差解，并运行贪婪算法；若当前青蛙种群的最差解的适应度优于最优解的适应度，即通过贪婪算法找到了更优的解；对M个青蛙进行分组；进行组内寻优，使组内最差位置的青蛙向组内最优位置的青蛙跳跃从而获得新的位置；进行全局寻优，使组内最差位置的青蛙向着全局最优位置的青蛙进行跳跃；随机生成一个青蛙位置；所有青蛙重新混洗；输出当前的最优解作为软硬件划分方案。本发明是一种求解效率更高的融合算法。

摘要： 一种基于改进烟花算法的软硬件划分方法：随机生成N个满足硬件面积约束条件的烟花；计算每个烟花爆炸生成爆炸火花的数目以及爆炸幅度；重复生成爆炸火花，直至生成所有的爆炸火花；重复生成高斯火花，直至生成所有的高斯火花；以原始烟花为聚类中心，计算每个爆炸火花和高斯火花到每个烟花的距离，并把爆炸火花和高斯火花分配到距离他们最近的烟花所在的聚类内；选择每个聚类中适应度最好的一个烟花或爆炸火花或高斯火花保留到下一代；重复上述过程直至到达设定的迭代次数。本发明使得改进算法相对于原始算法的求解质量和运行速度都得到了很好的提升。

摘要： 本发明提供了一种考虑硬件预配置因素的动态软硬件划分方法，其特征在于，在程序运行过程中，进行动态的软硬件划分，在可重构硬件资源上进行一个或多个函数的配置，对待划分函数维护一个待划分函数列表list(f1，…，fm)，其中fk为定义硬件加速比，k为待划分的一个函数；k＝1，…，m，m为待划分函数个数，基于硬件加速比对函数配置，并且考虑到硬件预配置因素。本发明基于硬件加速比对函数进行动态软硬件配置，充分利用了系统的硬件资源，从而显著提高整个系统的任务处理效率。

摘要： 本发明公开了基于图卷积网络的软硬件划分和任务调度模型及其方法，模型包括数据处理模块、图神经网络模块、任务调度模块、主函数模块；方法中，采用余弦相似度表征相邻节点间的相似度，大大提高了建模精度；采用图卷积网络提取任务之间的依赖关系，进一步提高了准确率；采用软硬件划分与任务调度相结合，得到的模型的整合度更高；通过更具有划分意义的特征：硬件增益和单位面积增益，使得信息利用率得到大大提高。

摘要： 一种基于改进贪婪算法的复杂微系统软硬件划分方法，包括如下步骤：将微系统集成模块根据功能归为各个功能单元；将微系统集成模块关注的功能实现使用的体积、能耗和执行时间作为划分最优解的约束条件；初始化；对每个功能单元，以功能实现使用的能耗作为约束条件，计算硬件实现变为软件实现后能耗差额和体积的比值，并非递增排序；对每个功能单元，以功能实现使用的执行时间作为约束条件，计算硬件实现变为软件实现后时间差额和体积的比值，并非递增排序；对两组排序进行加权迭代计算，每次迭代排名最小的功能模块划到软件集合，直到没有功能单元可划分或者满足体积约束条件为止，得到满足约束条件的软硬件划分集。